CN109544290A - 一种基于算法识别错误的风控方法及其系统与存储介质 - Google Patents

一种基于算法识别错误的风控方法及其系统与存储介质 Download PDF

Info

Publication number
CN109544290A
CN109544290A CN201811368637.0A CN201811368637A CN109544290A CN 109544290 A CN109544290 A CN 109544290A CN 201811368637 A CN201811368637 A CN 201811368637A CN 109544290 A CN109544290 A CN 109544290A
Authority
CN
China
Prior art keywords
order
air control
commodity
transaction data
risk
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201811368637.0A
Other languages
English (en)
Inventor
程宏达
夏虹
位海博
张慧
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Yun Xing Intelligent Technology Co Ltd
Original Assignee
Shenzhen Yun Xing Intelligent Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shenzhen Yun Xing Intelligent Technology Co Ltd filed Critical Shenzhen Yun Xing Intelligent Technology Co Ltd
Priority to CN201811368637.0A priority Critical patent/CN109544290A/zh
Publication of CN109544290A publication Critical patent/CN109544290A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange

Landscapes

  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Technology Law (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于算法识别错误的风控方法及其系统与存储介质，风控方法包括以下步骤：S1：利用服务器实时获得当前的交易请求，并根据交易算法生成订单交易数据，将所述订单交易数据发送至风控模块；S2：所述风控模块根据风控逻辑对订单交易数据进行分析，过滤出风险订单；S3：所述风险订单转入处理模块进行处理。本发明的基于算法识别错误的风控方法大幅度提升了订单交易结算准确率，有效保证了无人值守终端的订单交易准确性。

Description

一种基于算法识别错误的风控方法及其系统与存储介质
技术领域
本发明涉及零售业务处理技术领域，特别涉及一种基于算法识别错误的风控方法及其系统与存储介质。
背景技术
目前，零售行业AI视觉识别技术的识别准确率为95％左右，为处理5％的识别错误率，保证用户的交易结算准确率在100％。为了解决识别错误的问题，本发明基于业务特性以及交易风控策略，提出了一种基于算法识别错误的风控方法及其系统与存储介质，目的在于拓展前沿AI识别技术在商业应用落地的可行性。
发明内容
为了满足上述要求，本发明的一个目的在于提供一种基于算法识别错误的风控方法，该方法可以处理交易过程中AI视觉识别技术的识别错误率，保障用户的交易结算准确率。
本发明的第二个目的在于提出一种基于算法识别错误的风控系统。
本发明的第三个目的在于提出另一种基于算法识别错误的风控系统。
本发明的第四个目的在于提出一种非临时性计算机可读存储介质，其上存储有计算机程序。
为了实现上述目的，本发明采用以下技术方案：
一种基于算法识别错误的风控方法，包括以下步骤：
S1：利用服务器实时获得当前的交易请求，并根据交易算法生成订单交易数据，将所述订单交易数据发送至风控模块；
S2：所述风控模块根据风控逻辑对订单交易数据进行分析，过滤出风险订单；
S3：所述风险订单转入处理模块进行处理。
优选地，所述方法还包括：
所述步骤S1还包括利用服务器根据算法识别商品得到商品信息；所述的商品信息包括商品SKU、商品价格、商品数量、商品所在柜端设备属性、商品状态、商品的库存信息；
所述步骤S2还包括利用服务器统计风险订单，得到商品的交易算法识别正确率；
所述步骤S2还包括利用服务器统计风险订单，得到所述风险订单中商品所在柜端设备连续识别错误商品的错误次数，并将所述的错误次数与柜端设备属性相关联；
利用处理器统计所述订单交易数据执行完S2步骤，并且不符合所述风控逻辑的无风险订单；
获得所述的无风险订单中商品所在柜端设备连续出现无风险订单的无风险次数，并将所述的无风险次数与柜端设备属性相关联。
优选地，所述步骤S2包括：
所述风控模块将不符合风控逻辑的交易订单通过预设的交易算法正常结算；
所述风控逻辑包括以下条件：
S100：所述订单交易数据中商品交易算法识别正确率低于预设识别率阈值；
S101：所述订单交易数据中商品数量为负数；
S102：所述订单交易数据中金额大于预设金额阈值；
S103：所述订单交易数据中商品数量大于预设数量阈值；
S104：所述订单交易数据中柜端设备的错误次数大于预设次数阈值；
S105：所述订单交易数据中商品状态为预设状态；
S106：所述订单交易数据中商品库存信息为预设范围。
优选地，所述风控逻辑还包括：
当处理器判断订单交易数据符合条件S100时，将所述订单交易数据中商品SKU添加黑名单；
当处理器判断订单交易数据符合条件S104时，将所述订单交易数据中柜端设备添加黑名单；
所述步骤S3处理含有商品SKU黑名单与柜端设备黑名单的交易订单之后转人工处理。
优选地，所述方法还包括：
当所述订单交易数据中柜端设备添加黑名单该事件发生，利用处理器实时获取所述柜端设备无风险次数；
当所述柜端设备无风险次数等于预设风险次数阈值时，将所述柜端设备从黑名单中删除，并且将所述柜端设备关联的错误次数重置。
本发明还公开了一种基于算法识别错误的交易风险控制系统，包括柜端设备终端、服务器和用户的终端，其中，所述服务器执行如上述任一项所述的基于算法识别错误的风控方法。
本发明还公开了另一种基于算法识别错误的交易风险控制系统，包括柜端设备终端、服务器和用户的终端，其中，所述服务器包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的控制程序，其中，所述控制程序被所述处理器执行时实现如上述任一项所述的基于算法识别错误的风控方法。
本发明还公开了一种非临时性计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述任一项所述的基于算法识别错误的风控方法。
相比于现有技术,本发明的有益效果在于：本发明的基于算法识别错误的风控方法大幅度提升了订单交易结算准确率，有效保证了无人值守终端的订单交易准确性。
下面结合附图和具体实施例对本发明作进一步描述。
附图说明
图1是本发明一种基于算法识别错误的交易风险控制方法的具体流程图。
具体实施方式
本发明提供了一种基于算法识别错误的交易风险控制及其系统与存储介质，用于解决零售终端应用AI视觉识别技术带来的识别错误问题。
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
如图1所示的风控方法流程方框图，一种基于算法识别错误的风控方法，包括以下步骤：
S1：利用服务器实时获得当前的交易请求，并根据交易算法生成订单交易数据，将所述订单交易数据发送至风控模块。该步骤所发生的交易请求背景设定于基于AI视觉识别的无人零售柜端设备，当使用者选定需购买商品，AI视觉识别技术识别出该商品，并将该商品信息属性传递至服务器，服务器生产相应的订单交易数据。
S2：所述风控模块根据风控逻辑对订单交易数据进行分析，过滤出风险订单。订单交易数据达到该步骤，会被风控模块分成两部分，一部分为风险订单，一部分为非风险订单。
S3：所述风险订单转入处理模块进行处理。处理模块用于结算风险订单，在特定条件下需要人工介入，由人工结算方可完成交易流程。
优选地，所述方法还包括：
所述步骤S1还包括利用服务器根据算法识别商品得到商品信息。其中的算法包括但不限于AI识别技术，通过AI识别商品的尺寸形状以及读取商品预设的信息，所述的商品信息包括商品SKU、商品价格、商品数量、商品所在柜端设备属性、商品状态、商品的库存信息。服务器得到上述信息后保存至存储器，在后续计算中可以及时调取，使风控机制能够得到数据支持。
SKU＝Stock Keeping Unit(库存量单位)即库存进出计量的单位，可以是以件，盒，托盘等为单位，每种产品均对应有唯一的SKU号。单品：对一种商品而言，当其品牌、型号、配置、等级、花色、包装容量、单位、生产日期、保质期、用途、价格、产地等属性与其他商品存在不同时，可称为一个单品。商品的SKU号可以理解为商品的SKU编码，每一种商品都有单独的SKU编码，以避免和其他商品相混淆，商品的SKU号和商品的SKU属性的对应关系可以是预先配置好，也可以在使用的时候进行配置，对此不进行限定。
所述步骤S2还包括利用服务器统计风险订单，得到商品的交易算法识别正确率。所述步骤S2用于将订单筛选，滤出有风险的订单，让无风险订单正常通过无人贩售程序通过结算。
具体的，为了达到上述分离筛选风险订单目的，所述步骤S2还包括利用服务器统计风险订单，得到所述风险订单中商品所在柜端设备连续识别错误商品的错误次数，并将所述的错误次数与柜端设备属性相关联。设立次数目的在于为商品或柜端设备标记，当达到某一条件则执行开启特定事件。
此外，滤出无风险订单也是很重要的一环，为了滤出无风险订单，在本实施例中利用处理器统计所述订单交易数据执行完S2步骤，并且不符合所述风控逻辑的无风险订单。获得所述的无风险订单中商品所在柜端设备连续出现无风险订单的无风险次数，并将所述的无风险次数与柜端设备属性相关联。
优选地，所述步骤S2包括：
所述风控模块将不符合风控逻辑的交易订单通过预设的交易算法正常结算。这一部分订单为风险定义之外的无风险订单，可以正常通过结算流程结算，即风控模块仅对其进行分析，并未产生实质改变。
所述风控逻辑包括以下条件：
S100：所述订单交易数据中商品交易算法识别正确率低于预设识别率阈值；
S101：所述订单交易数据中商品数量为负数；
S102：所述订单交易数据中金额大于预设金额阈值；
S103：所述订单交易数据中商品数量大于预设数量阈值；
S104：所述订单交易数据中柜端设备的错误次数大于预设次数阈值；
S105：所述订单交易数据中商品状态为预设状态；
S106：所述订单交易数据中商品库存信息为预设范围。
在其他实施例中，为了保证设备以及系统的正常运行，需要设立黑名单，即对发生错误次数较多或连续发生多次错误的商品或柜端设备进行特殊标记，为达成该目的，所述风控逻辑还包括：
当处理器判断订单交易数据符合条件S100时，将所述订单交易数据中商品SKU添加黑名单；
当处理器判断订单交易数据符合条件S104时，将所述订单交易数据中柜端设备添加黑名单；
所述步骤S3处理含有商品SKU黑名单与柜端设备黑名单的交易订单之后转人工处理。
在其他实施例中，由于会发生黑名单商品或柜端设备在风控处理中结果较为正常的情况，此时可将其移出黑名单，具体的所述方法还包括：
当所述订单交易数据中柜端设备添加黑名单该事件发生，利用处理器实时获取所述柜端设备无风险次数；
当所述柜端设备无风险次数等于预设风险次数阈值时，将所述柜端设备从黑名单中删除，并且将所述柜端设备关联的错误次数重置。
本发明还公开了一种基于算法识别错误的交易风险控制系统，包括柜端设备终端、服务器和用户的终端，其中，所述服务器执行如上述任一项所述的基于算法识别错误的风控方法。
本发明还公开了另一种基于算法识别错误的交易风险控制系统，包括柜端设备终端、服务器和用户的终端，其中，所述服务器包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的控制程序，其中，所述控制程序被所述处理器执行时实现如上述任一项所述的基于算法识别错误的风控方法。存储器可以是只读存储器(read-onlymemory，ROM)或可存储静态信息和指令的其它类型的静态存储设备，随机存取存储器(random access memory，RAM))或者可存储信息和指令的其它类型的动态存储设备，也可以是电可擦可编程只读存储器(Electrically Erasable Programmable Read-OnlyMemory，EEPROM)、只读光盘(Compact Disc Read-Only Memory，CD-ROM)或其它光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其它磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其它介质，但不限于此。存储器可以是独立存在，通过通信总线与处理器相连接。存储器也可以和处理器集成在一起。
本发明还公开了一种非临时性计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述任一项所述的基于算法识别错误的风控方法。所述存储介质可以是前述服务器的内部存储单元，例如服务器的硬盘或内存。所述存储介质也可以是所述设备的外部存储设备，例如所述设备上配备的插接式硬盘，智能存储卡(Smart MediaCard,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储介质还可以既包括所述设备的内部存储单元也包括外部存储设备。
综上所述，本发明的基于算法识别错误的风控方法大幅度提升了订单交易结算准确率，有效保证了无人值守终端的订单交易准确性。本发明的策略方法自上线运营以来，订单交易结算准确率稳定在98.9％左右，达到了上述目标使无人零售系统与AI技术的配合更加完善。
对本领域的技术人员来说，可根据以上描述的技术方案以及构思，做出其他各种相应的改变以及形变，而所有的这些改变以及形变应该属于本发明权利要求的保护范围之内。

Claims (8)

1.一种基于算法识别错误的风控方法，其特征在于，包括以下步骤：
S1：利用服务器实时获得当前的交易请求，并根据交易算法生成订单交易数据，将所述订单交易数据发送至风控模块；
S2：所述风控模块根据风控逻辑对订单交易数据进行分析，过滤出风险订单；
S3：所述风险订单转入处理模块进行处理。
2.根据权利要求1所述的一种基于算法识别错误的风控方法，其特征在于，还包括：
所述步骤S1还包括利用服务器根据算法识别商品得到商品信息；所述的商品信息包括商品SKU、商品价格、商品数量、商品所在柜端设备属性、商品状态、商品的库存信息；
所述步骤S2还包括利用服务器统计风险订单，得到商品的交易算法识别正确率；
所述步骤S2还包括利用服务器统计风险订单，得到所述风险订单中商品所在柜端设备连续识别错误商品的错误次数，并将所述的错误次数与柜端设备属性相关联；
利用处理器统计所述订单交易数据执行完S2步骤，并且不符合所述风控逻辑的无风险订单；
获得所述的无风险订单中商品所在柜端设备连续出现无风险订单的无风险次数，并将所述的无风险次数与柜端设备属性相关联。
3.根据权利要求2所述的一种基于算法识别错误的风控方法，其特征在于，所述步骤S2包括：
所述风控模块将不符合风控逻辑的交易订单通过预设的交易算法正常结算；
所述风控逻辑包括以下条件：
S100：所述订单交易数据中商品交易算法识别正确率低于预设识别率阈值；
S101：所述订单交易数据中商品数量为负数；
S102：所述订单交易数据中金额大于预设金额阈值；
S103：所述订单交易数据中商品数量大于预设数量阈值；
S104：所述订单交易数据中柜端设备的错误次数大于预设次数阈值；
S105：所述订单交易数据中商品状态为预设状态；
S106：所述订单交易数据中商品库存信息为预设范围。
4.根据权利要求3所述的一种基于算法识别错误的风控方法，其特征在于，所述风控逻辑还包括：
当处理器判断订单交易数据符合条件S100时，将所述订单交易数据中商品SKU添加黑名单；
当处理器判断订单交易数据符合条件S104时，将所述订单交易数据中柜端设备添加黑名单；
所述步骤S3处理含有商品SKU黑名单与柜端设备黑名单的交易订单之后转人工处理。
5.根据权利要求4所述的一种基于算法识别错误的风控方法，其特征在于，还包括：
当所述订单交易数据中柜端设备添加黑名单该事件发生，利用处理器实时获取所述柜端设备无风险次数；
当所述柜端设备无风险次数等于预设风险次数阈值时，将所述柜端设备从黑名单中删除，并且将所述柜端设备关联的错误次数重置。
6.一种基于算法识别错误的交易风险控制系统，其特征在于，包括柜端设备终端、服务器和用户的终端，其中，所述服务器执行如权利要求1-5中任一项所述的基于算法识别错误的风控方法。
7.一种基于算法识别错误的交易风险控制系统，其特征在于，包括柜端设备终端、服务器和用户的终端，其中，所述服务器包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的控制程序，其中，所述控制程序被所述处理器执行时实现如权利要求1-5中任一项所述的基于算法识别错误的风控方法。
8.一种非临时性计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-5中任一项所述的基于算法识别错误的风控方法。
CN201811368637.0A 2018-11-16 2018-11-16 一种基于算法识别错误的风控方法及其系统与存储介质 Pending CN109544290A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811368637.0A CN109544290A (zh) 2018-11-16 2018-11-16 一种基于算法识别错误的风控方法及其系统与存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811368637.0A CN109544290A (zh) 2018-11-16 2018-11-16 一种基于算法识别错误的风控方法及其系统与存储介质

Publications (1)

Publication Number Publication Date
CN109544290A true CN109544290A (zh) 2019-03-29

Family

ID=65848096

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811368637.0A Pending CN109544290A (zh) 2018-11-16 2018-11-16 一种基于算法识别错误的风控方法及其系统与存储介质

Country Status (1)

Country Link
CN (1) CN109544290A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110401636A (zh) * 2019-06-28 2019-11-01 苏州浪潮智能科技有限公司 一种监管异常访问的大数据风控方法和装置
CN117495494A (zh) * 2023-11-02 2024-02-02 广州玩么网络科技有限公司 基于数据分析的异常酒店订单识别方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090222363A1 (en) * 2005-12-16 2009-09-03 Arnold James B Systems And Methods For Automated Retail Recovery Auditing
US20160328798A1 (en) * 2015-05-07 2016-11-10 Edge Financial Technologies, Inc. Monitoring and Adjusting Behavior of Electronic Trading Algorithms
CN107133856A (zh) * 2017-05-31 2017-09-05 北京京东尚科信息技术有限公司 风险订单的控制方法和装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090222363A1 (en) * 2005-12-16 2009-09-03 Arnold James B Systems And Methods For Automated Retail Recovery Auditing
US20160328798A1 (en) * 2015-05-07 2016-11-10 Edge Financial Technologies, Inc. Monitoring and Adjusting Behavior of Electronic Trading Algorithms
CN107133856A (zh) * 2017-05-31 2017-09-05 北京京东尚科信息技术有限公司 风险订单的控制方法和装置

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110401636A (zh) * 2019-06-28 2019-11-01 苏州浪潮智能科技有限公司 一种监管异常访问的大数据风控方法和装置
CN117495494A (zh) * 2023-11-02 2024-02-02 广州玩么网络科技有限公司 基于数据分析的异常酒店订单识别方法及系统
CN117495494B (zh) * 2023-11-02 2024-05-24 广州玩么网络科技有限公司 基于数据分析的异常酒店订单识别方法及系统

Similar Documents

Publication Publication Date Title
CN110163740A (zh) 一种信用融资方法及装置
CN108492177A (zh) 境内资产跨境交易方法、服务器及存储介质
CN107688591A (zh) 一种精算处理方法和装置
CN108711104A (zh) 基于区块链的实物资产信息流转方法、装置和设备
CN109460421A (zh) 商户交易数据管理方法及装置
CN102034189A (zh) 四十八小时多方结算系统
CN109544290A (zh) 一种基于算法识别错误的风控方法及其系统与存储介质
US20230419323A1 (en) Systems and methods for routing electronic transactions using network simulation and forecasting
CN108614864A (zh) 银行交易信息处理方法及装置
EP3742362A1 (en) Item management method, blockchain analysis method and computer system using the same
US20160300203A1 (en) Settlement system, server device, terminal device, recording medium, method and program
CN109255588B (zh) 物料出入库票据的自动生成方法、装置及计算机存储介质
CN106997514A (zh) 生产数据管理方法及系统
CN105528701A (zh) 用于基于人脸识别实现产品提取的方法和设备
CN107203914A (zh) 一种原材料订单的数据管理方法
CN106952136A (zh) 基于大宗商品交易平台的订单生成方法及交易平台系统
CN111708768A (zh) 自动柜员机现金调度方法、系统及存储介质
CN110838062A (zh) 一种供应链金融现金代采管理系统及方法
CN115619529A (zh) 异常资产卡片的处理方法及装置
CN109816529A (zh) 一种数字货币统一交易方法
CN107862605A (zh) 资产转让处理方法、系统及计算机可读存储介质
TWM617919U (zh) 卡片庫存管理系統
CN102609876A (zh) 用于消费信用征信的信息处理系统及其方法
CN106022930A (zh) 物流保费理赔计算方法及系统
US20210166202A1 (en) Method for managing time-based currency

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20190329

RJ01 Rejection of invention patent application after publication